Morrow: Ein Unternehmensgedächtnis-Konzept für KI-native Teams
Eine designgetriebene MVP-Konzeptstudie, die KI-Agenten ein verlässliches Unternehmensgedächtnis gibt. Morrow zieht Slack, Linear, GitHub, Notion, Calls und Tickets in eine geprüfte Kontextebene, macht daraus ausführbare Skill-Dateien und liefert sie Agenten über eine API. Jede Antwort trägt den Beleg, aus dem sie stammt.
Gib Agenten Kontext, den sie zitieren können.
Die Herausforderung
Unternehmen haben keinen Datenmangel. Sie haben ein Problem mit dem Kontextvertrauen. Entscheidungen leben in Slack-Threads, Calls, Tickets, Docs und Pull Requests. Die Suche liefert Fragmente, Dokumentation entfernt sich von der tatsächlichen Arbeitsweise, und Agenten fragen entweder ständig Menschen oder antworten aus Quellen, die sich widersprechen. Das Konzept sollte eine Sache lösen: Wie gibt man Agenten ein Unternehmensgedächtnis, das geprüft und aktuell gehalten wird, sodass sie damit handeln können, ohne dass ein Mensch jede Antwort kontrolliert?
Unsere Lösung
Wir haben Morrow als vollständige Produktgeschichte über zwei responsive Screens entworfen und gebaut. Die Landingpage zeigt das Problem und den Workflow dahinter: ingest, resolve, approve, publish, learn. Im Operator-Dashboard passiert die eigentliche Arbeit. Es zeigt Live-Metriken zur Gedächtnisgesundheit, den Status der Quellconnectoren, eine Widerspruchs-Queue, beleggestützte Konfliktlösung, ein menschliches Freigabe-Gate, generierte Skill-Dateien und einen Audit-Trail. Widersprüchliche Quellen werden zu Review-Aufgaben, und nichts erreicht einen Agenten, bevor ein Verantwortlicher freigibt. Geprüfter Kontext geht anschließend über abgesicherte API-Endpunkte an Agenten, die nur geprüftes Gedächtnis und Skill-Dateien freigeben, niemals die offene Queue. Die Oberfläche setzt auf eine konstruierte Laborinstrument-Ästhetik mit animierten Kontextgraph-Visualisierungen, gebaut in Next.js 16.
